水動力模擬的案例
【數值模擬】基于改進體積力法的導管螺旋槳水動力性能
圖 5 No.19A+Ka4-70 (P/D = 1) 導管螺旋槳幾何模型及網格圖示
推力模擬結果及其與試驗值的對比如表 1 所示。由表可見，隨著網格數量的增大，螺旋槳推力系數和導管推力系數的相對誤差整體上呈遞減趨勢。
表 1 導管螺旋槳推力計算方法驗證
04 計算結果與分析
（1）基于改進體積力法的導管螺旋槳敞水水動力性能
使用經流量修正和分布修正的改進螺旋槳體積力模型對 No.19A+Ka4-70 導管螺旋槳進行敞水水動力性能數值模擬。總覽圖 6，發現經流量修正的均布形式的改進體積力法和經流量修正的分布 2 形式的改進體積力法所得導管螺旋槳的各參數皆與試驗值吻合較好。
展開 基于改進體積力法的導管螺旋槳水動力性能數值研究
這是因為當進速增大時，螺旋槳水動力螺距角減小，由體積力源所模擬的槳葉升力這一水動力效應減弱，進而導致槳?導管耦合水動力效應減弱，從而使得因模擬耦合效應失真而產生的誤差也隨之減小。
由表5可見，在各來流速度（不含2kn）下，改進體積力法1和改進體積力法2的前進合力的平均相對誤差絕對值分別為1.86%和11.65%，較Goldstein分布方法的平均相對誤差絕對值（30.28%）大幅降低。與敞水工況相似，改進體積力法1于艇后仍有較高的精度，優于方法2。總而言之，改進體積力法整體上較好地實現了對艇后導管螺旋槳水動力數值的模擬，其計算精度均較Goldstein分布方法有較大的提升，也優于傳統螺旋槳體積力法，適用于艇體?導管?體積力耦合水動力的數值模擬。
上節提到，在敞水工況下，當進速系數較大（J?0.7）時，采用體積力法模擬導管螺旋槳推力誤差較大（表4），從圖12（a）、圖12（b）和表5可以看出，在艇后工況下，高來流速度（2kn）時亦如此。現將就該問題予以探討。在高進速系數（進速系數大于導管推力變為阻力時對應的進速系數）下，螺旋槳升力會減少，槳?導管之間的“動水動力效應”隨之降低。為便于理解，假設此時螺旋槳停止轉動，靜止于導管內，承受著高速來流的沖擊。體積力法以體積力源代替槳葉，模擬的是螺旋槳的升力效應，而高進速時，槳葉充當的更多的是阻力的角色，槳?導管之間更多地體現為“靜水動力效應”。現行的體積力法暫無法模擬槳的阻塞效應，為此，郁程等[10]針對體積力法中槳葉的阻塞效應進行了修正研究。再者，當進速增大時，需要捕捉導管渦脫落等流動現象以精確評估導管的水動力特性，這相當于對大攻角水翼的仿真，而本文所用RANS方法難以勝任。
但是，導管螺旋槳一般被設計用于重載工況（低進速系數），在重載工況下，推力較大、效率較高。
展開 雨水管道末端與河道水動力相互作用模擬研究
根據以上分析推斷本文中的二維模型可開展雨水管道末端與河道水動力相互作用規律的探析研究，模擬結果滿足工程精度要求。
圖4 數值和經驗結果的比較
3 排水管道-河道耦合水動力過程
3.1 降雨初期
降雨初期，上下游水位同時上升。在數值模擬中假設水塔和水槽的水位差保持不變以簡化問題。降雨初期管道排水量隨頂托變化的模擬結果如圖5所示。
圖5(a～c)展示了當坡度為1%(工程中常見的雨水管道坡度),不同Δh條件下管道排水量隨S的增加先變大后趨于平穩。以Δh=0.20 m工況中管道流態的變化分析原因。如圖6所示，S=0.25時管道未形成滿管流，S=0.5時管道接近滿管流，S=0.75時管道已呈滿管流。管道中平均流速主要受Δh影響，Δh不變，S從0.25變化到0.75的過程中管道過流面積不斷增加，因此排水量增加；當 S>0.75 時，管道中均為滿管流，此時過水面積不變，在Δh相同的條件下，管道排水量基本保持不變。
圖5(d～f)展示了不同坡度管道在Δh=0.30 m 情況下排水量隨S的變化特征。i=0%和i=0.5%的管道在S=0.25后隨頂托的增加排水量保持不變，i=1%的管道在S=0.75后排水量保持不變，說明管道坡度越小越容易在較低的河道水位下形成滿管流。
圖5 降雨初期管道排水量與S的關系
圖6 穩定后排水管入口處的水流狀態
3.2 降雨中期
降雨中期，排水管上游來水基本穩定，下游河道水位持續上漲。在數值模擬中假定水塔水位固定，水槽水位上漲。降雨中期管道排水量隨頂托變化的模擬結果如圖7所示，增加管道排水量隨著下游頂托的呈現先增加后下降的趨勢，這與工程中普遍認為的管道排水量隨頂托增加而下降不同。
展開 Delft3D的水動力模擬教程
建模過程
構建一個地表水的水動力模型，我們需要多種類型的信息，如模擬的區域范圍（也就是水體和陸地交界及水位邊界或者開邊界的位置所圍繞的區域），水底地形，區域內的幾何特征，如水工構筑物，排口，最后需要模擬結果的輸出和存儲。由于目前復雜的水動力模型是沒有解析解的，所以我們都需要網格，與網格相關的內容：
合理的選擇模擬的區域及范圍。
確定邊界（開邊界）條件的位置和類型，諸如是水位邊界、流量邊界、流速邊界
確定陸地-水交界邊界（閉邊界）范圍
生成網格
在網格中生成地形
在網格中設置相關的參數，如邊界條件位置，觀測點位置，排口位置
定義模型的時間參數，如開始和結束時間，多種時間相關的函數，如開邊界的時間序列，風向和風速時間序列，流量時間序列，濃度時間序列和其他水流的相關物質的時間序列
?
時間函數（time functions）這里稍微解釋下所謂的時間函數，函數在數學中是一種變量到另外一種變量的過程，在模型中的時間函數，可以理解為一種隨時間變化的過程，具體這個函數可以是一個公式，自變量為t（時間），也可以直接為一組時間序列值，如流量時間序列。
?
date Q(cms)
1 0.4
2 0.6
3 0.7
……
上面的與網格相關的內容，除了最后兩個，都是在使用Flow之前要準備好的，至于網格和地形之前都有寫過了。
文章來源： 水環境編Cheng長 作者：Comies
展開 
基于二維水動力模型的密度驅動流模擬
在尼羅河入海口算例中，密度差異帶來的流動有效地抵抗了上游來水的影響，使得含鹽水的侵入長度沒有出現大幅的減小。
04 小結
在氣候變化的大背景下，海平面上升已成事實，入海口處的鹽平衡將被打破，或對這些區域的生態等方面造成較大的影響。該案例展現了通用二維水動力軟件在模擬存在鹽度分布差異的水動力仿真能力，驗證了二維水動力在評估海平面上升對入海口區域的影響的可能性。
文章來源：遠算云仿真
【CAE案例】基于二維水動力模型的密度驅動流模擬
其結果作為輸運模擬的初始狀態。曼寧系數為0.022，粘度為0.01 m2/s。輸運模擬的初始鹽度的由下式計算：
其中Li為含鹽水侵入到河流的長度，Reo為入海口處的雷諾數，Frdo為考慮密度的弗勞德數。計算得到的侵入長度為15329 m。入海口處的鹽度為38.5 kg/m3，假設鹽度沿河道的變化是均勻的，那么初始鹽度分布如下圖所示。
圖10 尼羅河入海口算例的初始鹽度分布圖
圖11為仿真時間一天后的各工況鹽度分布圖。可以發現，含鹽水的侵入長度在一天時間內很快變小了。但對比工況A和B，工況A下仍然保持著一個更大的入侵深度。這說明密度差異帶來的流動更能抵抗上游來水的影響。對于工況C，其結果與工況A的比較相似。這些分析與前兩個理論情形算例得到的結論是一致的。
圖 11 仿真時間一天后的各工況鹽度分布圖
工況A：只考慮密度驅動；
工況B：只考慮擴散；
工況C：同時考慮擴散和密度驅動
03 案例總結
該案例使用二維水動力數值仿真研究了二維模型下密度分布不均帶來的影響，對比了擴散和密度驅動兩種作用的效果，發現密度驅動帶來的效應比擴散作用更加明顯。
對密度驅動來說，河道地形也會對結果造成影響。在該案例中，梯形河道的鹽度分布變化速度要比矩形河道更快。而對于擴散而言，兩種河道的差異很小。此外，深水區的鹽度要比淺水區要高。在尼羅河入海口算例中，密度差異帶來的流動有效地抵抗了上游來水的影響，使得含鹽水的侵入長度沒有出現大幅的減小。
04 小結
在氣候變化的大背景下，海平面上升已成事實，入海口處的鹽平衡將被打破，或對這些區域的生態等方面造成較大的影響。該案例展現了通用二維水動力軟件在模擬存在鹽度分布差異的水動力仿真能力，驗證了二維水動力在評估海平面上升對入海口區域的影響的可能性。
展開 OpenFoam水動力模擬之——潰壩
最近安裝了OpenFoam，了解了一些OpenFoam的使用方法，按照用戶手冊中的潰壩的算例，計算了一個。
OpenFoam在這種有自由面的問題中，采用了界面捕捉算法，可能是VOF或者Level Set技術，但是看起來效果并不太好，遠不如粒子法計算得到的效果，不過雖然加密了網格數目，計算規模還是沒有之前使用粒子法的規模大。不過，估計規模同樣的情況下還是不如粒子法。如果粒子法的界面重構技術能再給力一些，在計算這種自由面的問題時真的就會將FVM+VOF遠遠甩在身后了。
SPH(光滑粒子流體動力學)-模擬水蝕 ￥10
<p>一個簡單的例子-模擬水蝕的過程。</p><p>目前采用SPH方法實現單個水平沖擊金屬涂層基體的過程，具體詳細步驟大家可以自行去研究cae和inp文件，如果有不明白的地方，可</p><p>在此感謝Usim大佬的支持，大家可以搜索會員名字 Usim ，去他的主頁看看，不是一般的NB，動力顯示分析的大手。</p><div contenteditable="false" width="100%"><img src="https://img.jishulink.com/upload/201911/f83382c467a74f39a6ad8326a928ae9c.gif" title="SPH.gif" alt="SPH.gif" style="max-width:760px;" data-mobile-src="https://img.jishulink.com/upload/201911/f83382c467a74f39a6ad8326a928ae9c.gif?image_process=/format,webp/quality,q_40/resize,w_400" data-pc-src="https://img.jishulink.com/upload/201911/f83382c467a74f39a6ad8326a928ae9c.gif?
展開 改良楔形葉片旋轉空化器水動力學特性數值模擬分析
摘 要:［目的］旋轉空化器是通過高速旋轉的葉片在水中產生超空泡來滿足不同工程實際應用需求，有必要對葉片形狀進行改良設計以提高其工作性能，探究葉型改良對空化器水動力學特性的影響。［方法］首先，針對旋轉空化器楔形葉片的原始葉型進行改良設計，建立葉片改型前、后旋轉空化器的三維幾何模型；然后，基于 ANSYS Fluent 軟件對原始葉型和改良葉型空化器在不同轉速下的自然空化流場開展數值仿真計算；最后，根據計算結果對二者的水動力學特性進行對比分析。［結果］結果顯示，相比原始葉型，改良葉型產生的空泡除存在于葉片出口邊外，還可以存在于副進口邊，這兩部分的空泡會隨著轉速的升高而逐漸連接成一個整體，因而改良葉型空化器產生的空泡尺寸更大，產生的自然空化更強；改良葉型在葉根處產生的空化效應較強，而原始葉型在葉尖處產生的空化效應更強；當轉速較高時，改良葉型產生的空泡會與旋轉空化器裝置的四周壁面接觸，導致空泡尾部形態沿半徑呈直線型變化。［結論］所做研究可為旋轉空化器的設計和應用提供重要參考。
關鍵詞：旋轉空化器；水動力學特性；改良葉型；自然空化；數值模擬
0 引 言
空化現象最早發現于船舶螺旋槳上，由該現象所帶來的噪聲、振動和空蝕破壞等負面影響對船舶性能提出了巨大挑戰[1]，如何使空化現象穩定可控，已成為眾多學者關注的問題。根據伯努利方程，當物體在水下以足夠高的速度運動時，其周圍流體的局部壓力會下降，當降至飽和蒸汽壓以下后，流體會發生汽化從而產生空化。隨著物體速度的進一步增大，空化區域（空泡）將擴大從而形成包裹物體的超空泡[2]。
展開 基于GROMACS的酒精-水互溶現象分子動力學模擬
關鍵詞：GROMACS；酒精-水混合物；互溶性；分子動力學；氫鍵分析
背景介紹
酒精與水的互溶行為在化學、材料、生物醫藥等多個領域中具有重要意義。例如，藥物溶液設計、溶劑工程、生物膜相互作用等都依賴于對醇-水體系微觀結構的深入理解。傳統實驗雖然能觀察到宏觀性質變化，但在分子尺度上的機理揭示仍需借助分子動力學模擬。
本案例基于GROMACS軟件，模擬分析乙醇-水混合液體系的互溶過程與氫鍵網絡特征，探索兩種液體互溶行為背后的分子機制。
初始模型構建
首先利用Packmol構建水與乙醇兩相體系，各占3×3×3 nm3盒子的一半，packmol輸入文件如圖1所示：
圖1 Packmol 輸入文件
所構建的初始水-乙醇兩相體系模型結構如圖2所示：
圖2 初始乙醇-水兩相結構
首先進行能量最小化：
gmx grompp -f em.mdp -c mix.gro -p top.top -o em.tpr -maxwarn 1
gmx mdrun -v -deffnm em
能量最小化后進行2 ns的平衡模擬:
gmx grompp -f md.mdp -c em.gro -p top.top -o md.tpr -maxwarn 1
gmx mdrun -v -deffnm md
模擬分析
經過2ns的平衡模擬后，可以看到乙醇和水分子已經發生了充分的混合，如圖3所示：
圖3 模擬2ns后乙醇-水混合體系快照
我們進一步統計模擬過程中乙醇與水分子之間氫鍵數目的變化，如圖4所示：
圖4 乙醇與水分子之間氫鍵數目的變化
可以看到，模擬到200ps左右乙醇與水分子之間形成的氫鍵數已經基本不變，說明此時體系已經混合得較為均勻。
展開 VirtualFlow | 潰壩水動力過程模擬，輔助洪災應急預案制定
因此，深入研究潰壩過程中的水動力學特性，建立精確的數值模型，對于預測洪災、制定應急預案以及大壩的設計與安全評估具有重大意義。
隨著CFD的快速發展，數值模擬技術逐漸成為研究潰壩問題的主要手段之一。尤其是二維潰壩數值模擬，以其高效、經濟和安全等優勢，在研究潰壩流動特征、優化壩體設計以及制定安全標準方面發揮了關鍵作用。
標準潰壩實驗
標準潰壩實驗最早由Martin和Moyce（1952）提出，經過多年的不斷發展，逐漸成為檢驗數值模型準確性的經典算例之一。該實驗通常在一個長方形水槽內進行，水槽的一端安裝有一堵垂直擋板，將水槽分隔為上游和下游兩個區域，上游區域注滿水，下游區域保持干燥。實驗開始時迅速移除擋板，上游蓄積的水在重力作用下迅速流向下游，從而產生一個瞬態流動過程。
二維標準潰壩實驗一般采用透明材料制作水槽，以方便采用高速度相機和其他光學測量技術，如粒子圖像測速法（PIV），實時記錄水位變化和流場分布。這種實驗提供了豐富的流動細節和定量數據，包括水頭傳播速度、波面位置、水深變化和流體速度場等信息，這些都是檢驗數值模擬精度的重要依據。
數值模擬方法
數值模擬潰壩問題的方法眾多，其中常見的方法包括有限差分法（FDM）、有限元法（FEM）和有限體積法（FVM）。目前，有限體積法以其良好的守恒性質和易于處理復雜邊界條件的優勢，成為主流的求解方法。Navier-Stokes方程描述了流體運動的基本規律，包括連續性方程和動量守恒方程。此外，由于潰壩問題涉及自由表面運動，常常需要引入專門的自由表面捕捉技術，如體積法（Volume of Fluid，VOF）或水平集法（Level Set Method）等。
展開 
【CAE案例】利用三維水動力模型研究模擬澤布魯日港的渦流模式
圖6 采用1m2/s的恒定水平粘滯度的模型計算結果
06 研究結論
IMDC的工程師為了研究澤布魯日港的渦旋，建立了三維水動力的模型。經過對比驗證，水動力模型的計算結果與ADCP的實際測量結果吻合度高。當一個強入流輸入港口，在高水位到達前會形成一個強射流，該射流將產生一個順時針旋轉的主渦旋和一個逆時針旋轉的次級渦旋，其中只有逆時針的次級渦旋在退潮時仍然可見。對水動力模型的敏感性分析表明，計算結果對靠近港口邊緣的河床摩擦非常敏感，且水平渦流粘滯度的變化也會導致港口內出現不同數量的渦。
07 小結
本文主要講述了IMDC的工程師使用水動力通用仿真軟件建立三維水動力學模型來對澤布魯日港港口由于潮汐產生的渦流進行了仿真計算，并與ADCP的實際測量結果進行了對比。IMDC的研究表明，三維水動力的仿真計算結果具有相當高的準確性和可靠性，可以服務于港口處產生的渦旋對港口淤積的影響研究。
格物云CAE
一款國產可控云端仿真平臺，結構、流體、水動力仿真軟件場景化模塊化，支持多格式網格導入(.med、.inp、.cdb、.cgns等)和高性能并行計算，降低CAE使用門檻，拓展CAE應用范圍，加速工業企業研發制造數字化轉型。平臺支持云端CAE仿真生成工業APP，構建完全交互式仿真社區，快速實現行業通用經驗軟件化。
一鍵登錄，開啟仿真！
https://cae365.yuansuan.com
更多資訊可登錄格物CAE官方網站
https://cae.yuansuan.cn/
遠算科技在bilibili、頭條、知乎、技術鄰定期發布課程視頻等內容
敬請關注
展開 【CAE案例】復雜入海口水動力仿真
這項研究表明，二維水動力仿真是一個適合入海口研究的水動力仿真模塊，其具備良好的處理淺水問題和漫灘的能力。
文章來源遠算云仿真
【CAE案例】復雜入海口水動力仿真
這項研究表明，二維水動力仿真是一個適合入海口研究的水動力仿真模塊，其具備良好的處理淺水問題和漫灘的能力。
格物云CAE
一款國產可控云端仿真平臺，結構、流體、水動力仿真軟件場景化模塊化，支持多格式網格導入(.med、.inp、.cdb、.cgns等)和高性能并行計算，降低CAE使用門檻，拓展CAE應用范圍，加速工業企業研發制造數字化轉型。平臺支持云端CAE仿真生成工業APP，構建完全交互式仿真社區，快速實現行業通用經驗軟件化。
一鍵登錄，開啟仿真！
https://cae365.yuansuan.com
更多資訊可登錄格物CAE官方網站
https://cae.yuansuan.cn/
遠算科技在bilibili、頭條、知乎、技術鄰定期發布課程視頻等內容
或關注微信公眾號遠算云仿真
敬請關注
展開 【技術】潛艇船首形式的水聲學和水動力學優化
本次研究的主要目的是利用高保真的 CFD 模擬和自動化的工作流程，通過優化船首形式來提高潛艇的水聲和水動力性能。
前 言
潛艇自發噪聲的來源可分為三大類。螺旋槳噪聲是當潛艇航速達到足以產生空泡時，由潛艇螺旋槳產生的噪聲。水動力噪聲包括潛艇在水中運動產生的各種噪聲源。機械噪聲是由潛艇上的推進、操縱和輔助機械產生的噪聲。水動力噪聲是主要的噪聲源，也是本次研究的主要研究對象。而潛艇模型是基于稱為DARPA SUBOFF的標準幾何模型。
本次研究利用高保真的CFD求解器 STAR-CCM + 求解流動的非定常RANS方程 和水聲學的 Ffowcs-William 和 Hawkings (FW-H)方程，開發了一個迭代設計過程，以降低水動力噪聲水平。利用CAESES軟件創建艇體的參數化幾何模型，由此，艇體的變體模型可以在搭建的自動化工作流程中被自動化的創建和利用。潛艇船首的形狀已用下列方程參數化，該方程創建了一條對稱曲線:
*參數化的對稱船首
多目標優化的目的是減少船體的總阻力以及螺旋槳槳轂后一米處產生的噪聲。所選擇的優化方法有一個使用 Sobol 算法的 DoE 初始步驟，得到的結果用作輸入，然后使用大家熟知的開放源碼 Python 庫中的LinearNDInterpolator方法建立代理模型。最后，用 NSGA-II 算法對目標函數進行求解。CAESES 軟件本身包含一個算法庫，算法有 Sobol 和 NSGA-II等。然而，LinearNDInterpolator 方法是通過 python 腳本實現的，并通過CAESES方便的特性定制功能與 CAESES 耦合。
展開 